راهنمای جامع · ۱۳ نوشته در ۳ مرحله

آموزش هوش مصنوعی از صفر، قدم‌به‌قدم

این صفحه نوشته‌های هوش مصنوعی یادستان را از «یادگیری ماشین یعنی چه» تا ساختن ابزاری که با مدل زبانی کار می‌کند، به ترتیب چیده است. برای مرحله‌های اول نه ریاضی لازم است نه برنامه‌نویسی.

کنار «چطور کار می‌کند»، «کجا اشتباه می‌کند» هم آمده؛ چون کسی که حد ابزار را بشناسد، بهتر از آن استفاده می‌کند.

  1. مرحلهٔ ۱: هوش مصنوعی چیست

    از کجا شروع کنیم، یادگیری ماشین و شبکهٔ عصبی به زبان ساده، و اینکه مدل کِی به‌جای یادگرفتن حفظ می‌کند.

    1. تصویر شاخص نوشته: هوش مصنوعی را از کجا شروع کنیم؟ نقشهٔ راهِ واقع‌بینانههوش مصنوعی را از کجا شروع کنیمدو مسیرِ کاملاً متفاوت وجود دارد و قاطی‌کردنشان دلیلِ اصلیِ رهاکردن است. نقشهٔ راهِ چهارقدمیِ مسیرِ استفاده‌کننده — بدون جبرِ خطی، بدون کارتِ گرافیک.
    2. تصویر شاخص نوشته: هوش مصنوعی برای نوجوانان: با آن چه کارهایی می‌شود کرد و چطور امن و صادقانه از آن استفاده کنیمهوش مصنوعی برای نوجوانانیک نوجوان با هوش مصنوعی می‌تواند درس بفهمد، بنویسد، کد بزند و بسازد. ولی باید بداند چه چیزی را به آن ندهد، کجا تقلب شروع می‌شود و جوابش را چطور وارسی کند.
    3. تصویر شاخص نوشته: یادگیری ماشین چیست؟ وقتی به‌جای نوشتنِ قاعده، مثال نشان می‌دهیمیادگیری ماشین چیستیادگیری ماشین یعنی مثال نشان بدهیم تا ماشین قاعده را خودش پیدا کند: حلقهٔ حدس، خطا و اصلاح. با مثال گربه و سگ، الگو در برابر حافظه، و ربطش به ChatGPT.
    4. تصویر شاخص نوشته: شبکه عصبی چیست؟ از یک نورون تا مدل‌های امروزی، به زبان سادهشبکه عصبی چیستشبکه عصبی تابعی با تعداد زیادی عدد قابل تنظیم است که از روی داده آموزش می‌بیند. یک نورون را با دست حساب می‌کنیم و آموزش را قدم‌به‌قدم می‌بینیم.
    5. تصویر شاخص نوشته: Overfitting چیست؟ وقتی مدل به‌جای یادگرفتن، حفظ می‌کندOverfitting چیستoverfitting یعنی مدل دادهٔ آموزش را حفظ کرده و روی دادهٔ جدید بد عمل می‌کند. فرق آن با underfitting، راه تشخیص و راه‌های جلوگیری را با یک مثال عددی ببین.
  2. مرحلهٔ ۲: مدل‌های زبانی

    ChatGPT و مدل‌های مشابه از درون، چرا گاهی با اطمینان اشتباه می‌کنند، و چطور با آن‌ها درست حرف بزنی.

    1. تصویر شاخص نوشته: مدل‌های زبانی چطور کار می‌کنند؟ (بدون ریاضی)مدل‌های زبانی چطور کار می‌کنندمدل‌های زبانی چطور کار می‌کنند؟ توکن، آموزش، «الگو نه حافظه»، پنجرهٔ زمینه و knowledge cutoff، در یک نقشهٔ ذهنی ساده و بدون ریاضی.
    2. تصویر شاخص نوشته: توکن چیست، و چرا فارسی برای مدل‌های زبانی گران‌تر تمام می‌شودتوکن چیست، و چرا فارسی برای مدل‌های زبانی گران‌تر تمام می‌شودtoken واحدی است که هزینه، پنجرهٔ زمینه و خطاهای عجیبِ مدل را تعیین می‌کند. چرا متنِ فارسی چند برابرِ انگلیسی توکن می‌گیرد، و پنج کاری که می‌توانی بکنی.
    3. تصویر شاخص نوشته: توهم در هوش مصنوعی چیست و چرا مدل با اطمینان اشتباه می‌گوید؟توهم در هوش مصنوعی چیست و چرا مدل با اطمینان اشتباه می‌گوید؟توهم (hallucination) یعنی وقتی مدلِ هوش مصنوعی با اطمینانِ کامل چیزی می‌سازد که وجود ندارد. چرا رخ می‌دهد، چند نمونهٔ واقعی، و چطور خروجی را وارسی کنیم.
    4. تصویر شاخص نوشته: پرامپت‌نویسی: چطور با هوش مصنوعی درست حرف بزنیم؟پرامپت‌نویسیپرامپت‌نویسیِ خوب دستور پخت نیست؛ انتقالِ نیت و زمینه است، به‌علاوهٔ حلقهٔ تکرار و وارسی. چرا ترفندهای قدیمی مثلِ «زنجیرهٔ فکر» و پرامپتِ احساسی کهنه شده‌اند.
    5. تصویر شاخص نوشته: پرامپت‌نویسی برای ساخت عکس با هوش مصنوعی: ساختار و مثالپرامپت‌نویسی برای ساخت عکس با هوش مصنوعیپرامپت خوب برای ساخت عکس پنج بخش دارد: سوژه، سبک، ترکیب‌بندی، نور و آنچه نباید باشد. با مثال، دلیل خراب‌شدن متن داخل عکس و نکتهٔ حقوقی.
  3. مرحلهٔ ۳: ساختن با هوش مصنوعی

    پایتون لازم برای کار با مدل، جواب گرفتن از سندهای خودت، و رساندن یک مدل به محصول.

    1. تصویر شاخص نوشته: آموزش پایتون برای هوش مصنوعی: چه چیزی را واقعاً لازم داری و به چه ترتیبیآموزش پایتون برای هوش مصنوعیبرای هوش مصنوعی همهٔ پایتون را لازم نداری. فهرست، دیکشنری، حلقه و تابع، بعد NumPy و pandas، بعد scikit-learn. ترتیب درست را با یک مثال اجرایی ببین.
    2. تصویر شاخص نوشته: چطور کاری کنیم مدل از روی سندهای خودت جواب بدهدچطور کاری کنیم مدل از روی سندهای خودت جواب بدهدچرا کپی‌کردنِ کلِ سند در چت جواب نمی‌دهد، و روشی که جواب می‌دهد: تکه‌کردن، embedding، جست‌وجوی شباهت و پرامپت نهایی، همراه با نکته‌های فارسیِ کمترگفته‌شده.
    3. تصویر شاخص نوشته: وصل‌کردن یک مدل زبانی به آردوینو و ESP32: معماری، ایمنی و هزینهوصل‌کردن یک مدل زبانی به آردوینو و ESP32چرا مدل روی برد اجرا نمی‌شود، سه الگوی درستِ وصل‌کردن، و انضباطی که نمی‌گذارد یک عددِ اشتباهِ مدل به سخت‌افزار برسد — با کد، عدد و یک پروژهٔ کاملِ قابلِ ساخت.

بعد از این راهنما: یادگیری کامل و پیوسته

نوشته‌ها هر موضوع را جدا توضیح می‌دهند. خودآموزها همین مسیر را فصل‌به‌فصل، با تمرین و پروژه، کامل می‌کنند.

هم‌هوش: میز مشترک انسان و ماشین — خروجی مدل از دلِ لایه‌های الگو بیرون می‌آید و زیر ذره‌بینِ انسان وارسی می‌شود
خودآموز رایگان

هم‌هوش — خودآموز هوش مصنوعی

از «هوش مصنوعی واقعاً چیست» تا ساختن ابزار واقعی با آن — بدون دیوار ریاضی و بدون پیش‌نیاز برنامه‌نویسی. هوش مصنوعی همکارِ هوشمندی است که وارسی‌اش می‌کنی، نه اوراکلی که چشم‌بسته باور کنی.

۶ ترم۵۱ فصلاز صفر

رایگان

خودآموز سرنخ: نخی که از کلافِ درهم بیرون کشیده شده و در امتدادِ صاف‌شده‌اش به مهره‌های منظم تبدیل می‌شود
خودآموز رایگان

سرنخ — خودآموز پایتون و برنامه‌نویسی برای هوش مصنوعی (مقدماتی)

آموزش پایتون برای هوش مصنوعی، از اولین خط کد تا یک ابزار منتشرشده. داده را می‌بینی، مدل می‌سازی، و مهم‌تر از همه یاد می‌گیری چطور صادقانه اندازه بگیری که واقعاً کار می‌کند. همه‌چیز در Google Colab — بدون نصب، بدون سخت‌افزار خاص.

۵ ترم۴۹ فصلاز صفر

رایگان

خودآموز ژرفا: برشِ عمودیِ آبِ عمیق با شاقولی که در سه لایه فرو می‌رود و در هر عمق یک قطعهٔ دقیق‌تر آویزان است
خودآموز رایگان

ژرفا — خودآموز یادگیری عمیق و مهندسی هوش مصنوعی (متوسط)

زیر سطحِ ابزارهایی که تا حالا فقط استفاده می‌کردی. با PyTorch شبکه می‌سازی و آموزش می‌دهی، transformer را بلوک‌به‌بلوک می‌فهمی، مدل آماده را fine-tune می‌کنی، و یک سامانهٔ LLM با eval واقعی می‌سازی — همه در Google Colab.

۶ ترم۵۱ فصلاز صفر

رایگان